结合归一化中心矩与DAGSVM的机器人交互手势识别

将归一化中心矩和DAGSVM相结合应用于机器人人机交互中的手势识别。归一化中心矩作为手势特征具有平移和比例不变性,同时对方向变化比较敏感,这正是机器人识别不同指向的手势时特征所需具有的特性,然后,将这个手势特征向量输入到DAGSVM分类器进行分类识别。实验结果表明,该方法能够有效地识别手势,且用于控制机器人运动效果良好。

基于轮廓匹配的夜晚环境下猫眼目标识别方法

为了解决“猫眼”目标在夜晚环境下难识别的问题,提出了一种基于归一化中心矩的轮廓匹配“猫眼”目标识别方法。首先利用中值滤波对图像进行去噪,采用固定阈值分割完成了对图像的分割,使得“猫眼”目标与部分背景分离,使用Roberts边缘检测提取出了所有物体的边缘,最后采取了基于归一化中心矩的轮廓匹配算法,该算法不受平移和放缩的影响,提取出了图像中的所有圆形目标,并利用面积判别识别了真实目标,对识别出的目标绘制最小外接圆,利用圆心坐标对其定位。通过对不同光照强度下的“猫眼”图像进行实验与对比,验证了该方法的可行性,并通过目标识别评价指标验证了该方法的有效性。实验结果表明,该方法的全局准确率可达92.1%,可以在夜晚环境不同光照强度下成功地对“猫眼”目标进行识别。

特征弹道段目标转换方法研究

针对红外经纬仪参试试验中跟踪机件分离类导弹目标所面临的强灰度目标转低灰度小目标的跟踪问题，提出了一种实时跟踪的理论方法。通过实时对图像灰度矩阵的相关计算确定方法启用时间。并通过对目标中心矩的相关计算判断跟踪效果，并实现自动跟踪。